RNDr. Vít Suchomel

Doctoral thesis

Better Web Corpora For Corpus Linguistics And NLP

Better Web Corpora For Corpus Linguistics And NLP
Anotácia:
Počítačoví lingvisté využívají internet jako zdroj obrovského množství textových dat k rozličným úkolům zpracování přirozeného jazyka a jazykovým studiím. Internetové korpusy můžeme vytvářet ve velikostech steží dosažitelných pomocí tradičních metod sestavování korpusů. Tato práce představuje stahovač navržený k získávání textů z internetu. Umožňuje sestavovat velké textové korpusy pro úlohy zpracování …viac
Abstract:
The internet is used by computational linguists, lexicographers and social scientists as an immensely large source of text data for various NLP tasks and language studies. Web corpora can be built in sizes which would be virtually impossible to achieve using traditional corpus creation methods. This thesis presents a web crawler designed to obtain texts from the internet allowing to build large text …viac
 
 
Jazyk práce: English
Datum vytvoření / odevzdání či podání práce: 4. 5. 2020

Obhajoba závěrečné práce

  • Obhajoba proběhla 8. 7. 2020
  • Vedúci: doc. Mgr. Pavel Rychlý, Ph.D.
  • Oponent: doc. Mgr. Václav Cvrček, Ph.D., Dr. Serge Sharoff

Citační záznam

Plný text práce

Obsah online archivu závěrečné práce
Zveřejněno v Theses:
  • světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Masarykova univerzita, Fakulta informatiky

Masaryk University

Faculty of Informatics

Doctoral programme / odbor:
Informatics (4-years) / Computer Systems and Technologies